我是一个满意的用户scipy.optimize.leastsq.
我现在 - 确实总是有 - 带有可变误差条的x,y数据,看起来像scipy.odrpack.odr是我需要用来尊重某些数据中更大的不确定性.
不幸的是,我找不到一个在线教程,其中包含带有示例输入和输出的示例代码.(我试图尽可能简化.)
如果有人可以发布带有示例I/O的示例代码,我将不胜感激.对于那些经常使用这个例程的人来说,这很容易.
谢谢!法案
unu*_*tbu 15
这是文档中示例的充实版本:
import numpy as np
import scipy.odr.odrpack as odrpack
np.random.seed(1)
N = 100
x = np.linspace(0,10,N)
y = 3*x - 1 + np.random.random(N)
sx = np.random.random(N)
sy = np.random.random(N)
def f(B, x):
return B[0]*x + B[1]
linear = odrpack.Model(f)
# mydata = odrpack.Data(x, y, wd=1./np.power(sx,2), we=1./np.power(sy,2))
mydata = odrpack.RealData(x, y, sx=sx, sy=sy)
myodr = odrpack.ODR(mydata, linear, beta0=[1., 2.])
myoutput = myodr.run()
myoutput.pprint()
# Beta: [ 3.02012862 -0.63168734]
# Beta Std Error: [ 0.01188347 0.05616458]
# Beta Covariance: [[ 0.00067276 -0.00267082]
# [-0.00267082 0.01502792]]
# Residual Variance: 0.209906660703
# Inverse Condition #: 0.105981202542
# Reason(s) for Halting:
# Sum of squares convergence
Run Code Online (Sandbox Code Playgroud)
| 归档时间: |
|
| 查看次数: |
4145 次 |
| 最近记录: |